Stratify：统一的多步预测策略

时序领域的关键方面是能够对未来多步进行预测，这一过程称为多步预测(MSF)。核心在于选择预测策略，但由于缺乏现有框架来描绘策略空间，实践者只能使用 ad-hoc 方法进行策略选择。本文提出 Stratify，一个参数化框架，解决多步预测问题，统一现有策略并引入新颖的、改进的策略。我们在 18 个基准数据集、五个函数类以及从短期到长期预测时域(10、20、40、80)上评估 Stratify。在 1080 次实验中超过 84% 的实验中，Stratify 中的新策略优于所有现有方法。重要的是，我们发现没有单一策略在所有任务设置下都 consistently 优于其他策略，这突显了实践者需要探索 Stratify 空间，基于特定任务要求仔细搜索和选择预测策略的必要性。我们的结果是对已知和新预测策略进行最全面的基准测试。我们提供代码以复现我们的实验结果。